Des chercheurs sur le cancer de la tête et du cou démontrent la capacité d’un algorithme d’apprentissage en profondeur dans le cadre post-opératoire

Selon des chercheurs du groupe de recherche sur le cancer ECOG-ACRIN (ECOG-ACRIN), l’intelligence artificielle peut augmenter les méthodes actuelles pour prédire le risque de propagation du cancer de la tête et du cou au-delà des frontières des ganglions lymphatiques du cou. Un algorithme d’apprentissage en profondeur personnalisé utilisant des images de tomodensitométrie (TDM) standard et des données associées fournies par les patients qui ont participé à l’essai de phase 2 E3311 semble prometteur, en particulier pour les patients avec un nouveau diagnostic de cancer de la tête et du cou lié au papillomavirus humain (HPV) . L’ensemble de données validé E3311 a le potentiel de contribuer à une stadification plus précise de la maladie et à la prédiction du risque.

Benjamin Kann, MD (Dana-Farber Cancer Institute, Brigham and Women’s Hospital, Harvard Medical School), a dirigé l’étude pour ECOG-ACRIN. Il présentera les résultats lors de la réunion annuelle de l’American Society of Radiation Oncology (ASTRO) à San Antonio, au Texas.

“Ce type de recherche est essentiel car il peut aider à identifier les patients atteints d’une maladie agressive à haut risque et également à sélectionner les patients appropriés pour la désescalade thérapeutique”, a déclaré le Dr Kann.

Les cancers de la tête et du cou et leurs traitements standard (chirurgie, radiothérapie ou chimiothérapie) entraînent une morbidité importante. Ils affectent la façon dont une personne regarde, parle, mange ou respire. Par conséquent, il existe un grand intérêt à développer des stratégies de traitement moins intenses pour les patients. Par exemple, l’essai de phase 3 E3311 terminé a montré qu’une radiothérapie à faible dose à 50 Gray (Gy) sans chimiothérapie après une chirurgie transorale entraînait une survie très élevée et une qualité de vie exceptionnelle chez les patients à risque moyen de récidive (Ferris RL. J Clin Onc. Décembre 2021).

Le Dr Kann et ses collègues ont développé et validé un système basé sur un réseau neuronal algorithme d’apprentissage en profondeur basé sur la tomodensitométrie (TDM) diagnostique, la pathologie et donnée clinique. La source était la cohorte de participants à l’essai E3311 qui ont été évalués à haut risque de récidive par des mesures pathologiques et cliniques standard.

« Mise en scène de la tête et du cou cancer est un problème clinique difficile », a déclaré le Dr Kann. « En particulier, nos efforts actuels pour identifier l’extension extranodale via l’interprétation humaine de l’imagerie de prétraitement ont généralement donné des résultats médiocres.

Parmi les facteurs qui déterminent le stade du cancer figurent la taille de la tumeur d’origine, le nombre de ganglions lymphatiques impliqués et l’extension extranodale – lorsque les cellules malignes se propagent au-delà des limites des ganglions lymphatiques du cou dans les tissus environnants. Dans l’étude E3311, les patients ont été évalués comme étant à haut risque s’il y avait une extension extraganglionnaire (ENE) ≥ 1 mm. Ces patients ont été assignés à une chimiothérapie et à une radiothérapie à haute dose (66 Gy) après une chirurgie transorale.

Le Dr Kann et ses collègues ont obtenu des tomodensitogrammes (TDM) avant le traitement et les rapports de pathologie chirurgicale correspondants de la cohorte à haut risque E3311, selon leur disponibilité. Sur 177 scans collectés, 311 nœuds ont été annotés : 71 (23 %) avec ENE et 39 (13 %) avec ≥ 1 mm d’ENE.

L’outil a montré des performances élevées dans la prédiction de l’ENE, surpassant considérablement les examens effectués par des radiologues experts de la tête et du cou.

“L’algorithme d’apprentissage en profondeur a classé avec précision 85 % des nœuds comme ayant un ENE, contre 70 % pour les radiologues”, a déclaré le Dr Kann. “En ce qui concerne la spécificité et la sensibilité, l’algorithme d’apprentissage en profondeur était précis à 78 % contre 62 % pour les radiologues.”

L’équipe prévoit d’évaluer l’ensemble de données dans le cadre de futurs essais de traitement pour la tête et cancer du cou. L’algorithme sera évalué pour son potentiel d’amélioration par rapport aux méthodes actuelles de stadification de la maladie et d’évaluation des risques.

“Notre capacité à développer des biomarqueurs à partir d’images de tomodensitométrie standard est un nouveau domaine de recherche clinique passionnant et donne l’espoir que nous serons en mesure de mieux adapter le traitement à chaque patient, notamment en décidant quand utiliser au mieux la chirurgie et chez qui réduire l’étendue de traitement », a déclaré l’auteur principal Barbara A. Burtness, MD.

Fourni par le groupe de recherche sur le cancer ECOG-ACRIN